面向无人机蜂窝用户的智能基站关联：一种监督学习方法
信息论
2020-08-31 v2 信号处理
math.IT
摘要
第五代（5G）蜂窝网络有望为包括无人机（UAV）在内的车辆用户提供蜂窝连接。当在空中飞行时，这些用户与地面大量基站（BS）经历强且无遮挡的信道条件。这为 UAV 用户创造了非常强的干扰条件，同时为其提供了大量可潜在关联以获蜂窝服务的 BS。因此，为最大化 UAV-BS 无线链路性能，UAV 用户需要能够根据观测到的环境条件选择连接哪些 BS。本文提出一种基于监督学习的关联方案，UAV 可借此智能地关联最合适的 BS。我们训练一个神经网络（NN）以基于来自 BS 的接收信号功率、到 BS 的已知距离以及潜在干扰源的已知位置，从若干候选 BS 中识别最合适的 BS。然后我们将基于 NN 的关联方案与最强信号和最近邻关联方案进行比较，并证明 NN 方案显著优于简单的启发式方案。
引用
@article{arxiv.2003.01287,
title = {Intelligent Base Station Association for UAV Cellular Users: A Supervised Learning Approach},
author = {Boris Galkin and Ramy Amer and Erika Fonseca and Luiz A. DaSilva},
journal= {arXiv preprint arXiv:2003.01287},
year = {2020}
}
备注
Accepted to IEEE 5G World Forum